版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、深度圖像能夠準確地表現(xiàn)物體目標表面的三維幾何信息,越來越受到重視,并廣泛應(yīng)用于計算機視覺、圖像分析等領(lǐng)域。
圖像分割是圖像分析技術(shù)的主要研究方向之一,主要依靠特征信息的正確提取。深度圖像分割算法主要分為兩大類:基于邊緣檢測的方法和基于區(qū)域的方法?;趨^(qū)域的方法依據(jù)同一性將像素點分類,形成連通區(qū)域;基于邊緣檢測的方法主要依據(jù)邊緣點特性進行區(qū)分。
這兩類方法各有特色和優(yōu)缺點。邊緣法對區(qū)域邊界的定位非常準確,運算速度快,但
2、由于噪聲、遮擋等因素的影響,很難形成連續(xù)的區(qū)域邊界。區(qū)域法可以形成封閉邊緣,但算子結(jié)構(gòu)復雜,容易發(fā)生邊界錯位現(xiàn)象,且運算結(jié)果依賴于初始種子和聚類數(shù)目的選取。
本文采用邊緣和區(qū)域相結(jié)合的研究方法,既借鑒了邊緣檢測算子結(jié)構(gòu)簡單、檢測速度快的優(yōu)點,又汲取區(qū)域算法能夠獲得比較連續(xù)的區(qū)域邊界的特點,將分割過程細化為兩個階段——邊緣提取和區(qū)域分割階段,每個階段采用不同的算法,在較好地獲得物體邊緣整體輪廓的同時保留較為詳盡的局部細節(jié)信息,兼
3、顧速度與準確率,形成連續(xù)、封閉的區(qū)域邊界。
首先,本文在引入一種邊緣類型的幾何定義基礎(chǔ)上,設(shè)計并實現(xiàn)了一種全新的、快速邊緣檢測算子。其次,通過陰影集等定義,將二值形態(tài)學擴展到深度圖像中,設(shè)計了基于數(shù)學形態(tài)學的區(qū)域分割算法;最后,對圖像分割過程中產(chǎn)生的像素點的特點,討論了一種分割方法選擇判定,選擇性的對圖像進行快速邊緣檢測或基于數(shù)學形態(tài)學的區(qū)域分割,最終獲得特征圖像。
本文采用標準深度圖像數(shù)據(jù)庫,對幾種經(jīng)典算子和本課題
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 深度圖像和灰度圖像的邊緣檢測及其融合技術(shù)的研究.pdf
- 51589.深度圖像的分割與壓縮
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的深度圖像邊緣檢測算法研究.pdf
- 深度圖像增強算法研究.pdf
- 多分辨深度圖像重建算法與軟件實現(xiàn).pdf
- 圖像分割與邊緣檢測
- 融合邊緣與區(qū)域生長的彩色圖像分割算法研究.pdf
- 基于區(qū)域生長與邊緣懲罰的SAR圖像分割算法研究.pdf
- 基于改進遺傳神經(jīng)網(wǎng)絡(luò)的深度圖像邊緣檢測研究.pdf
- 深度圖像修復算法研究
- 圖像文字區(qū)域邊緣檢測的研究與實現(xiàn).pdf
- 基于法向量與曲率結(jié)合的深度圖像分割.pdf
- Kinect深度圖像增強算法研究.pdf
- 基于邊緣檢測的細胞圖像分割方法研究與實現(xiàn).pdf
- 基于Kinect深度圖像的人體目標檢測與跟蹤算法研究.pdf
- 圖像特征檢測與運動目標分割算法的研究和實現(xiàn).pdf
- 面向深度圖像的遮擋物體部件化建模與分割.pdf
- 醫(yī)學圖像邊緣檢測算法的研究與實現(xiàn).pdf
- 數(shù)字圖像邊緣檢測算法研究與實現(xiàn)
- 基于Kinect深度圖像的手勢識別算法研究.pdf
評論
0/150
提交評論